自戀魯蛇、美洲英雄、歷史罪人，你認識哪個哥倫布？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

住在祕魯北部和厄瓜多東部的 Jivaro 原住民，傳統上會製作一種叫作 tsantsa 的人頭標本。位於波蘭華沙的國家民族誌博物館（State Ethnographic Museum），收藏了 3 顆；該國克拉科夫的亞捷隆大學（Jagiellonian University）醫學院法醫系博物館，也有 1 顆。然而，沒有人知道它們確切的來源。^[1]

Tsantsa 的功能

Jivaro 原住民有 4 個語言雷同的分支：Shuar、Achuar、Aguaruna 與 Huambisa。他們的血緣和風俗相近，都會獵人頭，並加以處理保存。除了助長作物豐收，Jivaro 原住民原本製作 tsantsa 的主要目的，是將敵人的靈魂困在頭顱裡，以免他們報復自己，或是投胎轉世後傷害家人。不過，到了 19 世紀下半葉，外來的經濟誘因開始出現：Jivaro 原住民把 tsantsa 當作貨幣，跟白人收藏家以物易物。因而升高的獵殺率，甚至造成部落間關係緊張。^[1]

Tsantsa 的製作

敵方的男女、兒童，都可能成為 tsantsa 的材料。通常在獵完人頭，返家途中暫住的營區，進行以下製作步驟：^[1]

1. 沿鎖骨劃 V 字，將頭取下。^[1]
2. 把頭浸入河水，以分離被肌肉與肌腱連結在顱骨上的皮膚。^[1]
3. 用刀剝下連帶頭髮的皮膚，並丟棄顱骨和眼珠。^{[1, 2]}
4. 以滾水煮髮膚，30 分鐘至 2 小時不等。重複 3 次後，掛在矛上晾乾。^[1]
5. 縫起嘴和眼瞼，並用棉花塞鼻孔。^[1]
6. 在皮囊中填入沙和卵石。^[1]
7. 火燻皮膚，使之變黑又硬化；或者用炭灰抹皮膚，再拿加熱過的刀燙乾嘴唇。^[1]

整個程序為期 2 至 3 天。烹煮約使皮囊縮成 3 分之 1；而所有步驟都完成後，則僅剩原本人頭的 4 分之 1，也就是拳頭般大。反之，頭髮的長度不受影響，所以搭起來就是長髮蓋小頭的模樣。^[1]

贗品猖獗

歐洲市場帶來的商業利益，造成其他人跟風仿製，材料不僅來自不同人種的死屍，也常使用樹懶或猴子的頭。同時，Jivaro 族的美洲原住民，本來就會製作樹懶 tsantsa，補償成功殺敵卻沒獵到人頭的勇士，或是當作男童的成年賀禮。因此，目前推估各家博物館和私人蒐藏的 tsantsa，八成均為贗品，不是真的美洲原住民人頭。1990 年代，已經有科學家以製作工法辨識真偽，揪出許多假貨，然而可靠的程度還是不如基因檢測。^[1]

辨識真偽

編號 1 至 3 號的 tsantsa，外型傳統，屬於波蘭國家民族誌博物館。其中 2 號源於秘魯，1 和 3 則來自厄瓜多，分別於 1934 和 1950 年購入。而亞捷隆大學的法醫系，在 19 世紀 70、80 年代，曾經嘗試仿效，所以頭髮經過修剪的 4 號，說不定是他們自製的成品。^[1]儘管事隔多時，就算查出背景資料有誤，大概也不會去追究有無商業詐欺或盜屍刑責，亞捷隆大學法醫系的團隊還是認真地調查真相。

他們用 99.8 % 的乙醇，擦拭 4 顆標本的皮膚外層數次。拿無菌的拋棄式解剖刀片平切，再從脖子內部割下 0.5 平方公分大，0.1 公分厚的樣本，鑑定基因。另外，又用鑷子拔了些頭髮，放在光學顯微鏡下觀察，所得結果如下：^[1]

這些頭髮的髮根也許不好拔，或者在當初的製作過程中，早已被高溫破壞，所以在顯微鏡下怎麼也看不到。不過中央的髓質佔髮幹不到 1/3 的寬度，又斷斷續續，組織結構與人類頭髮吻合。皮膚樣本的染色體，也證實 4 顆 tsantsa 都屬於人類。^[1]從齒釉蛋白基因（amelogenin gene）在 X 與 Y 染色體上的差異，則可知 2 號為女性，其餘皆是男性。^{[1, 3]}1 和 3 號為南美洲厄瓜多的原住民，而且有一樣的 Y 染色體 DNA 單倍型類群 Q1a2-M3，意味著能追溯至共同的男性祖先。相較之下，2 號缺乏明確結論。至於 4 號，也就是據說為仿製成品的那顆，屬於具有 Y 染色體 DNA 單倍型類群 I2 的東南歐洲血統，與美洲原住民無關。^[1]

2017 年，波蘭亞捷隆大學的團隊在《國際法醫期刊》（International Journal of Legal Medicine），分享上述研究成果。他們建議辨別 tsantsa 的真偽時，不要只是分析製作方式，最好與基因檢測並用。畢竟傳統的製作技術有多種版本，而贗品也可能模仿得維妙維肖。^[1]

參考資料

1. Piniewska D, Sanak M, Wojtas M, et al. (2017) ‘The genetic evidence for human origin of Jivaroan shrunken heads in collections from the Polish museums’. International Journal of Legal Medicine, 131, 643–650.
2. ‘Shrunken heads’. Pitt Rivers Museum, University of Oxford, U.K. (Accessed on 22 SEP 2023)
3. Dash HR, Rawat N, Das S. (2020) ‘Alternatives to amelogenin markers for sex determination in humans and their forensic relevance’. Molecular Biology Reports, 47, 2347–2360.

大多數台灣人對東南亞、南亞風格的香料不陌生，甚至有些常見的香料，不特別查詢還不知道起源於東南亞。

一項 2023 年問世的研究，調查將近兩千年前，越南南部的遺址，見到多款香料植物的蹤跡。證實那個時候已經有多款香料，從南亞或東南亞外海的島嶼，傳播到東南亞大陸。

越南兩千年古早味咖哩？

讀者們對咖哩（curry）想必都很熟悉，不過還是要先解釋一下。現今咖哩的定義範疇很廣，南亞、東南亞等地存在風味各異的香料混合料理，都能算是「咖哩」。此一名詞的讀音轉化自印度南部的泰米爾語，源自大英帝國對南亞的殖民，不過混合使用香料的料理，歷史當然更加悠久。

由澳洲國立大學的洪曉純率領的考古調查，地點位於越南南部的喔㕭（Oc Eo）遺址。這兒在公元一到七世紀，是「扶南國」的重要城市。這個政權以湄公河三角洲為中心，統治東南亞大陸的南部；柬埔寨的吳哥波雷（Angkor Borei）與喔㕭，為扶南國最重要的兩處遺址。

• 延伸閱讀：扶南國，南亞向東南亞的遺傳流動

喔㕭地處湄公河三角洲的西南部，離海 25 公里。這兒一到八世紀有過不少人活動，四到六世紀最興盛。遺址中出土的 12 件工具，外型看來相當類似年代更早，南亞用於處理食物的工具。

進一步分析發現，工具上總共保存著 717 個澱粉顆粒，大部分年代可能介於距今 1600 到 1900 年左右的數百年間。不同植物產生的澱粉形狀有別，有時候可以用於識別物種，近年常用於考古學。

這批澱粉中有 604 個可以分辨物種，作為糧食的稻以外，還有八種常用於香料的植物，以薑科植物（Zingiberaceae）的存在感最高，包括五種：薑黃、薑、高良薑、凹唇薑、山奈；還有今日依然常見的丁香、肉豆蔻、肉桂。

解讀這些材料時必需注意，出土工具上能見到的澱粉，只是當年的一小部分，不能直接代表古代使用的比例，只能證明確實有過那些種類。

來自亞洲大陸：薑黃、薑、高良薑、凹唇姜、山奈

喔㕭遺址中出土數目最多的是薑黃（turmeric，學名 Curcuma longa）。薑黃的家鄉應該在南亞，早於四千年前的哈拉帕遺址中已經存在；後來薑黃向各地傳播，遠渡至地中海地區。這項發現則是東南亞大陸最早的紀錄。

• 延伸閱讀：從印度到以色列，薑黃，黃豆，香蕉，3000多年前的食慾流動

台灣人大概對薑（ginger，學名 Zingiber officinale）更熟悉，薑可能起源於東亞與南亞，一路向西傳到歐洲。台灣飲食習慣中，薑不只是特定用途的香料，從海鮮湯中的薑絲，到餃子肉餡的蔥薑水與薑末，可謂無所不在的添加物（對！薑默默躲在很多食物中）。

另外三種比較少見的薑科植物，如今東南亞都有種植，包括高良薑（galangal，學名 Alpinia galanga）、凹唇姜（fingerroot，學名 Boesenbergia rotunda）、山奈（sand ginger，學名 Kaempferia galanga，也叫沙薑）。

來自亞洲海島：丁香、肉豆蔻、肉桂

三種不屬於薑科的香料，如今台灣也都不陌生。肉豆蔻（nutmeg，學名 Myristica fragrans）原產於摩鹿加群島南部的班達群島。摩鹿加群島就是大航海時代歐洲人稱呼的「香料群島」，雖然算是東南亞外海的島嶼，不過靠近新幾內亞，和東南亞大陸有相當距離。

丁香（clove，學名 Syzygium aromaticum）也原產於摩鹿加群島，早在公元前便已經傳播到歐亞大陸。越南南部的丁香應該是進口產品，不過無法判斷原本種在哪兒，是摩鹿加群島或更西邊的爪哇。

肉桂（cinnamon，學名 Cinnamomum sp.）可能源自好幾個物種，這回光靠澱粉無法準確判斷。不過從其餘植物遺骸看，喔㕭人使用的肉桂，大概是原產於斯里蘭卡，印度外海島嶼上的錫蘭肉桂（Ceylon cinnamon，學名 Cinnamomum verum）。

• 延伸閱讀：短篇 海上絲路斯里蘭卡貿易港，香料，穀物，葡萄，沒有香蕉

跨越空間，貫穿時間，香料的食慾流動

喔㕭出土的研磨器具上，除了澱粉還有另一種植物遺骸：植物矽酸體（phytolith），根據型態差異，也能用於植物的分門別類。棕梠、香蕉屬（Musa）植物的矽酸體，見證當時利用的植物種類相當多樣。

儘管缺乏直接證據，不過以常理推敲，東南亞大陸南部的喔㕭人，使用源於南亞的道具，研磨多款外地引進到當地種植，或是直接進口的香料植物，可能的一項目的，就是製作混合香料的咖哩料理。

喔㕭遺址也保存許多稻米的碳化穀粒遺骸，稻米飯應該是當時菜單中的重要組成。我猜，當時的人會吃咖哩飯。

越南等地，香料搭配的魔法，顯然將近兩千年前已經存在惹。時至今日，和出土古物超過 87% 相似的研磨器具，依然有人使用。食慾流動的慾望，跨越空間，貫穿時間。

延伸閱讀

• 短篇 烏茲別克山上城市，絲路上瓜果的食慾交流
• 「綠豆」生「南亞」，之後往哪去？破解綠豆的傳播路徑
• 印度河流域文明，哈拉帕人的DNA
• 東南亞島嶼的情慾流動，亞洲大陸，大洋洲，南島
• 【2022 年搞笑諾貝爾藝術史獎】浣腸也搞儀式感！藥理學家的馬雅考古

參考資料

1. Wang, W., Nguyen, K. T. K., Zhao, C., & Hung, H. C. (2023). Earliest curry in Southeast Asia and the global spice trade 2000 years ago. Science Advances, 9(29), eadh5517.
2. Researchers find evidence of a 2,000-year-old curry, the oldest ever found in Southeast Asia
3. Curry may have landed in Southeast Asia 2000 years ago

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。